课程对象

软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人

软件架构师，资深研发工程师

运维架构师，资深运维工程师，DevOps工程师，SRE

测试架构师，资深测试工程师

研发管理人员，研发流程工程师

课程大纲 

生成式AI的最新进展与应用

● AIGC的基本概念

●  大语言模型的基本概念

●  LLM和传统AI的区别

●  AIGC目前的主要应用领域

●  AIGC目前的可能的应用领域

●  各类生成式AI的工具能力

大语言模型本地部署实战

●  本地部署的基础知识

●  本地安装ollama

●  本地部署Deepseek R1

●  本地部署Llama 3.3

●  本地安装open-webui

●  本地部署实现RAG

以chatGPT为例来深入理解LLM的基本工作原理

●  什么是ChatGPT

●  GPT和chatGPT的关系

●  ChatGPT的历史和发展

●  ChatGPT的架构和模型

●  ChatGPT的训练数据和算法

●  ChatGPT的生成过程和输出结果

●  ChatGPT的局限性

●  ChatGPT的安全性

●  ChatGPT的涌现能力

●  ChatGPT的思维链

熟练使用LLM能力必须掌握的基础知识

●  LLM应用能力的进阶模型（“倒三角”模型）

●  提示词工程基础知识

●  主流提示词使用技巧

●  提示的万能使用公式详解

●  提示词模板的使用

●  提示词静态链的使用

●  提示词的横向扩展

●  提示词的纵向扩展

●  使用OpenAI API

●  ReAct的概念和落地

●  思维链和多思维链

●  RAG的基本原理与应用

●  多模态RAG的使用

●  plugin机制与使用方式

●  Function Call机制与使用方式

●  Agent的雏形

●  Agent开发的基本框架

●  业界主流Agent的设计思路与使用

●  Multi-Agent的雏形

●  业界主流Multi-Agent的设计思路

●  Multi-Agent的基本逻辑和应用范围

●  Multi-Agent应用示例：MetaGPT

●  Multi-Agent应用示例：DevChat

LLM在软件研发全生命周期中的应用场景与案例

●  软件研发全流程中LLM擅长的部分

●  软件研发全流程中LLM不擅长的部分

●  竞品分析与市场调研阶段LLM的应用场景与案例

●  产品概念与产品定义阶段LLM的应用场景与案例

●  产品原型阶段LLM的应用场景与案例

●  产品体验设计阶段LLM的应用场景与案例

●  需求分析阶段LLM的应用场景与案例

●  技术选型阶段LLM的应用场景与案例

●  顶层设计阶段LLM的应用场景与案例

●  详细设计阶段LLM的应用场景与案例

●  从设计到UML，从UML到代码的完整示例

●  编码阶段LLM的应用场景与案例

●  代码评审阶段LLM的应用场景与案例

●  单元测试阶段LLM的应用场景与案例

●  接口测试阶段LLM的应用场景与案例

●  持续集成流水中LLM的应用场景与案例

●  各类软件工程文档中LLM的应用场景与案例

●  持续发布中LLM的应用场景与案例

●  性能测试阶段LLM的应用场景与案例

●  测试结果分析中LLM的应用场景与案例

AI辅助编程工具提升开发质效

●  LLM辅助编程工具的基本原理和应用场景

●  代码大模型测评集HumanEval、MBPP介绍和评分原理

●  微软：Github Copilot和Copilot X

●  亚马逊：CodeWhisperer

●  智能代码编辑器Cursor

●  智谱智能编程助手CodeGeeX等

●  百度Comate快码

●  阿里通义灵码

●  LLM辅助编程工具主要使用场景

●  LLM辅助编程工具的实现原理

●  LLM辅助编程工具加持下的软件生态改变

●  LLM辅助编程工具改变传统开发的12大场景

●  LLM辅助编程工具的编程技巧

●  LLM辅助编程工具下的测试优化

●  案例：某互联网大厂的应用案例分析

LLM在软件质量和测试领域中的应用与案例

●  使用Test pilot自动生成测试用例

●  Test pilot的基本原理

●  使用OpenAI API实现单元测试用例的生成

●  LLM用于单元测试用例生成的技术难点与解决思路

●  使用OpenAI API实现API接口测试用例的生成

●  使用DeepSeek实现API组合调用测试用例的生成

●  LLM用于API接口测试用例生成的技术难点与解决思路

●  测试脚本开发中的GitHub Copilot应用

●  Copilot X的能力与测试领域应用

●  基于AI Agent的测试用例设计生成技术

●  基于AI Agent的测试用例脚本生成技术

●  基于Multi-Agent的测试用例设计生成技术

●  基于Multi-Agent的测试用例脚本生成技术

●  使用LLM实现Monkey Test的能力扩展

●  使用LLM实现无脚本的Mobile App探索测试

●  使用LLM识别错误敏感的测试数据

●  使用LLM实现失败测试用例的自动修复

●  使用LLM提升被测对象的可测试性

需求阶段研发效能提升的最佳实践

●  需求颗粒度（大小）的把控原则

●  需求拆分的常见问题与应对策略

●  如何应对“一句话”需求

●  需求分析阶段LLM的应用与案例详解

●  需求优先级评估的卡农模型

●  高效需求管理的不同形式和最佳应用场景

●  需求变更的应对方法和最佳实践

●  需求管理阶段的高效工具支持      

●  需求状态与代码进展的联动

●  四大类常见版本发布模式的定义与适用范围

●  版本发布模式的选择

个人开发与测试阶段的研发效能提升实践

●  个人开发环境的效能提升

●  基于AI精准提升的代码输入效率提升

●  本地编译加速的常用手段

●  代码静态质量的前期把控

●  代码动态质量的前期把控

●  静态代码规范的落地实践

●  单元测试的适用范围

●  单元测试的自动生成技术原理解读

●  代码覆盖率统计与质量门禁

●  开发者自测的行业实践

●  自测环境的管理与提效

●  如果用好本地CI流水线

●  本地CI流水线效能优化的方方面面

●  本地开发质量门禁能力建设与工具案例

●  第三方依赖库的管理与效能提升

●  独家干货：互联网大厂实战案例分享

代码合流阶段的研发效能提升实践

●  分支模式详解

●  影响分支模式选择的主要因素

●  开发协作模式的选择

●  代码评审的意义

●  代码评审的核心理念与最佳实践

●  如果提升代码评审本身的质量

●  代码评审的社会学属性探究

●  代码合流阶段使用的测试环境

●  微服务下基线测试环境和特性环境的管理

●  集成联调测试环境的治理与最佳实践

●  代码合流的CI流水线设计

●  CI完整步骤详解与最佳实践

●  合流阶段测试代码管理的最佳实践

●  制品库的管理

●  独家干货：互联网大厂实战案例分享

研发效能度量的最佳实践

●  研发效能需要度量吗

●  研发效能能不能度量

●  什么才是“好”的度量

●  效能度量的局限性与应对措施

●  虚荣性指标 VS 可执行指标

●  过程指标 VS 结果指标

●  基于问题的指标矩阵的设计

●  全流程度量指标的全景图

●  全流程度量指标的裁剪与应用方式

●  GQM，GSM方法的本质和应用

●  企业不同阶段的度量指标设计的最佳实践

●  度量数据的自动化获取

●  度量数据的常见分析方法

●  度量常见的10大误区与应对措施

●  企业级度量成功案例分享

●  企业级度量失败案例分享

●  大语言模型使用效果的度量思路与行业实践

●  业界效能度量标准核心观点解读

●  独家干货：互联网大厂实战度量案例分享

“研发效能”的工程实践与行业案例

●  Google研发效能实践与产品化

●  eBay研发效能实践与产品化

●  Microsoft研发效能实践与产品化

●  互联网大厂BAT的研发效能实践与产品化